基于LSTM的废水挥发性脂肪酸测量方法及系统技术方案

本发明专利技术公开了基于LSTM的废水挥发性脂肪酸测量方法及系统，包括：采集废水水样，对废水水样进行预处理获得水质指标数据集，将所述水质指标数据集划分为训练集与测试集；基于LSTM网络，构建挥发性脂肪酸检测模型；将所述训练集中的水质指标数据输入所述挥发性脂肪酸检测模型进行训练；基于所述测试集对训练完成的挥发性脂肪酸检测模型进行测试；采集待测废水水样，将所述待测废水水样输入通过测试的挥发性脂肪酸检测模型，获得挥发性脂肪酸检测结果。本发明专利技术将挥发性脂肪酸的测定与LSTM结合，有效提升废水处理器中挥发性脂肪酸测定的时效性与准确性，大大降低测量成本，便于工作人员根据相应数值调整反应器运行策略，保证废水处理效率。处理效率。处理效率。

【技术实现步骤摘要】
基于LSTM的废水挥发性脂肪酸测量方法及系统


[0001]本专利技术属于废水处理领域，特别是涉及基于LSTM的废水挥发性脂肪酸测量方法及系统。

技术介绍

[0002]水是人类生存中不可或缺的资源，我国水资源总量丰富，但人均占有量仅为世界平均占有量的1/4，是全球人均水资源最匮乏的国家之一。然而，中国也是世界上用水量最多的几个国家之一，随之而来的是废水排放规模日益增大，其主要特点是污染物种类多、特性各异、处理难度各异，排入环境后造成的危害和持久性大。目前主流的废水处理技术有厌氧处理工艺和好氧处理工艺。
[0003]挥发性脂肪酸Volatile Fatty Acid(VFA)属于脂肪酸大类，因其普遍具有较强的挥发性，故称挥发性脂肪酸，一般是具有1到6个碳原子碳链的有机酸，包括乙酸、丙酸、异丁酸、戊酸、异戊酸、正丁酸等。在废水的厌氧处理工艺中，废水大量残留有机物最终通过微生物的共同处理作用转化为甲烷、二氧化碳、水、硫化氢和氨等产物。
[0004]在废水处理反应器运行过程中，出水VFA为重要的控制指标。因VFA是废水厌氧硝化过程中重要的中间产物。当出现VFA在反应器中不断积累，浓度不断升高的情况出现时，可以反映出厌氧消化菌群(如甲烷菌)的不活跃状态或反应器操作条件的恶化，且当VFA(例如乙酸)浓度较高时，将对甲烷菌出现抑制作用，严重影响废水处理效率及处理效果。
[0005]目前主流的VFA测定方法为气相色谱法，可分析VFA的含量及其构成成分。其需要的主要实验仪器有高速微量台式离心机、配置火焰离子化检测器和自动积分仪的气相色谱仪等。测定样品复杂的预处理环节，测量成本高，耗时长，无法做到实时分析而影响调节反应器运行策略，且测定过程受人为因素影响大。
[0006]长短期记忆神经网络系统Long Short
‑
Term Memory(LSTM)是深度学习模型中的一种时间循环神经网络，表现为设定一个记忆细胞，具备选择性记忆的功能，可以选择记忆重要信息过滤掉噪声信息，减轻记忆负担。可以解决一般的RNN(循环神经网络)在长序列训练过程中的梯度消失和梯度爆炸问题。相比普通的RNN，LSTM能够在更长的序列中有更好的表现。
[0007]将VFA的测定与LSTM结合后，可以有效提升废水处理器中VFA测定的时效性与准确性，并在此基础上大大降低VFA测量成本，仅需在LSTM模型中添加相关参数，即可得到准确的VFA值，便于工作人员根据相应数值调整反应器运行策略，保证废水处理效率。

技术实现思路

[0008]本专利技术的目的是提供基于LSTM的废水挥发性脂肪酸测量方法及系统，以解决上述现有技术存在的问题，以提高水质的预测精度。
[0009]一方面，为实现上述目的，本专利技术提供了基于LSTM的废水挥发性脂肪酸测量方法，包括以下步骤：
[0010]多次采集废水水样，对所述废水水样进行预处理及标准方法测定指标，获得水质指标数据集，将所述水质指标数据集划分为训练集与测试集；
[0011]基于LSTM网络，以挥发性脂肪酸为因变量，其余水质指标为自变量，构建挥发性脂肪酸检测模型；
[0012]将所述训练集中的水质指标数据输入所述挥发性脂肪酸检测模型进行训练；
[0013]基于所述测试集对训练完成的挥发性脂肪酸检测模型进行测试；
[0014]多次采集待测废水水样，将所述待测废水水样进行标准方法测定，取水质指标平均值形成待测废水水样数据，将所述待测废水水样数据输入通过测试的挥发性脂肪酸检测模型，获得挥发性脂肪酸检测结果。
[0015]可选的，采集废水水样过程为：在废水处理器出水口同一位置平行取三个样本，按照标准方法测定水质指标，将各水质指标平均值列出作为水质指标数据集中的一组数据，进一步整合数据得到水质指标数据集。
[0016]可选的，所述水质指标数据集包括：pH值、DO、CODcr、NH3‑
N、TN、VFA。
[0017]可选的，所述训练集与所述测试集的划分比例为：8：2。
[0018]可选的，基于LSTM网络，构建挥发性脂肪酸检测模型的过程分为忘记阶段、输入阶段和细胞状态更新阶段三方面。
[0019]可选的，将所述训练集中的水质指标数据输入所述挥发性脂肪酸检测模型进行训练的过程为：初始化所述挥发性脂肪酸检测模型，将每个训练集中的水质指标数据输入所述挥发性脂肪酸检测模型同时训练，直到训练结束。
[0020]可选的，基于所述测试集对训练完成的挥发性脂肪酸检测模型进行测试的过程为：
[0021]将所述测试集输入训练完成的挥发性脂肪酸检测模型，
[0022]若所述训练完成的挥发性脂肪酸检测模型符合预设的模型预测指标，则获得通过测试的挥发性脂肪酸检测模型，
[0023]若所述训练完成的挥发性脂肪酸检测模型不符合预设的模型预测指标，则调整所述训练集的参数重新训练。
[0024]另一方面，为实现上述目的，本专利技术提供了基于LSTM的废水挥发性脂肪酸测量系统，包括：
[0025]采集模块、模型构建模块、训练模块、测试模块和检测模块；
[0026]所述采集模块用于多次采集废水水样，对所述废水水样进行预处理及标准方法测定指标，获得水质指标数据集，将所述水质指标数据集划分为训练集与测试集；
[0027]所述模型构建模块用于基于LSTM网络，以挥发性脂肪酸为因变量，其余水质指标为自变量，构建挥发性脂肪酸检测模型；
[0028]所述训练模块用于将所述训练集中的水质指标数据输入所述挥发性脂肪酸检测模型进行训练；
[0029]所述测试模块用于基于所述测试集对训练完成的挥发性脂肪酸检测模型进行测试；
[0030]所述检测模块用于多次采集待测废水水样，将所述待测废水水样进行标准方法测定，取水质指标平均值形成待测废水水样数据，将所述待测废水水样数据输入通过测试的
挥发性脂肪酸检测模型，获得挥发性脂肪酸检测结果。
[0031]本专利技术的技术效果为：
[0032]本专利技术提供基于LSTM的废水挥发性脂肪酸测量方法及系统，解决废水处理反应器出水中的挥发性脂肪酸的测量设备昂贵，测量过程复杂，以及测定过程受人为影响大从而导致的挥发性脂肪酸指标测定不及时及误差过大，废水处理器菌群受到抑制发生处理效率降低的问题，以提高水质的预测精度。经过训练后的LSTM模型用于样品的挥发性脂肪酸测定，与气相色谱法相比，准确率达93.5％，符合挥发性脂肪酸测定标准。
附图说明
[0033]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0034]图1为本专利技术实施例1中的流程图；
[0035]图2为本专利技术实施例1中的LSTM运行图。
具体实施方式
[0036]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于LSTM的废水挥发性脂肪酸测量方法，其特征在于，包括以下步骤：多次采集废水水样，对所述废水水样进行预处理及标准方法测定指标，获得水质指标数据集，将所述水质指标数据集划分为训练集与测试集；基于LSTM网络，以挥发性脂肪酸为因变量，其余水质指标为自变量，构建挥发性脂肪酸检测模型；将所述训练集中的水质指标数据输入所述挥发性脂肪酸检测模型进行训练；基于所述测试集对训练完成的挥发性脂肪酸检测模型进行测试；多次采集待测废水水样，将所述待测废水水样进行标准方法测定，取水质指标平均值形成待测废水水样数据，将所述待测废水水样数据输入通过测试的挥发性脂肪酸检测模型，获得挥发性脂肪酸检测结果。2.根据权利要求1所述的基于LSTM的废水挥发性脂肪酸测量方法，其特征在于，采集废水水样过程为：在废水处理器出水口同一位置平行取三个样本，按照标准方法测定水质指标，将各水质指标平均值列出作为水质指标数据集中的一组数据，进一步整合数据得到水质指标数据集。3.根据权利要求1所述的基于LSTM的废水挥发性脂肪酸测量方法，其特征在于，所述水质指标数据集包括：pH值、DO、CODcr、NH3‑
N、TN、VFA。4.根据权利要求2所述的基于LSTM的废水挥发性脂肪酸测量方法，其特征在于，所述训练集与所述测试集的划分比例为：8：2。5.根据权利要求1所述的基于LSTM的废水挥发性脂肪酸测量方法，其特征在于，基于LSTM网络，构建挥发性脂肪酸检测模型的过程分为忘记阶段、输入阶段和细胞状态更新阶段三方面。6.根据权利要求4所述的基于LSTM的废水挥...

【专利技术属性】
技术研发人员：徐春明，董黎明，孔令强，马慧鋆，田源，孙祥瑞，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：